ในปัจจุบัน องค์กรที่ใช้งานระบบ AI แบบหลายเอเจนต์ (Multi-Agent) มักประสบปัญหาในการระบุต้นทุนที่แท้จริงของแต่ละธุรกรรม (เช่น การเคลมประกันหนึ่งเคสมีค่าใช้จ่าย AI เท่าไหร่) เนื่องจากผู้ให้บริการคลาวด์มักส่งบิลแบบสรุปยอดตาม SKU และช่วงเวลาเท่านั้น งานวิจัยนี้จึงเสนอ 'Two-Ledger Model' ซึ่งประกอบด้วยบัญชีการชำระเงิน (Settlement Ledger) ที่ใช้ข้อมูลจากมาตรฐาน FOCUS และบัญชีการระบุที่มา (Attribution Ledger) ที่บันทึกข้อมูลการใช้งานระดับการเรียกใช้ฟังก์ชัน (Invocation-grain) ผ่าน OpenTelemetry
ระบบนี้ใช้โครงสร้างที่เรียกว่า Correlation Spine เพื่อเชื่อมโยงการใช้งาน AI เข้ากับธุรกรรมทางธุรกิจด้วยความแม่นยำสูง จากการทดสอบระบบจำลองพบว่าสามารถครอบคลุมการตรวจสอบต้นทุนได้มากกว่า 99% และช่วยลดต้นทุนธุรกรรมในระดับ p99 ได้สูงสุดถึง 61% ผ่านการควบคุมการทำงานระหว่างทาง (Mid-flight gating) นอกจากนี้ยังสามารถตรวจพบค่าใช้จ่ายแฝง (Shadow AI) และข้อผิดพลาดในการเรียกเก็บเงินของผู้ให้บริการได้อีกด้วย
